| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-12页 |
| 1 绪论 | 第12-19页 |
| ·选题的背景 | 第12-13页 |
| ·国内外研究现状 | 第13-16页 |
| ·研究的意义及目的 | 第16页 |
| ·论文主要研究内容及技术路线 | 第16-19页 |
| ·主要研究内容 | 第16-17页 |
| ·技术路线 | 第17-19页 |
| 2 冲击地压特点、发生条件及影响因素分析 | 第19-25页 |
| ·引言 | 第19页 |
| ·冲击地压的特点 | 第19-20页 |
| ·冲击地压发生条件 | 第20页 |
| ·冲击地压影响因素 | 第20-23页 |
| ·冲击地压发生的自然地质因素 | 第20-22页 |
| ·冲击地压发生的开采技术因素 | 第22-23页 |
| ·冲击地压危险等级的划分原则 | 第23-24页 |
| ·小结 | 第24-25页 |
| 3 用于冲击地压预测的小波神经网络 | 第25-43页 |
| ·引言 | 第25页 |
| ·小波神经网络 | 第25-30页 |
| ·小波神经网络分类及结构 | 第26-27页 |
| ·小波神经网络学习过程 | 第27-30页 |
| ·小波神经网络模型设计研究 | 第30-34页 |
| ·输入输出样本的确定 | 第31页 |
| ·小波神经网络层数及隐含层神经元个数的确定 | 第31-33页 |
| ·小波神经网络样本数据归一化处理 | 第33-34页 |
| ·基于 WNN 的冲击地压预测模型设计 | 第34-38页 |
| ·基于 WNN 冲击地压预测模型建模思想 | 第34-35页 |
| ·冲击地压预测模型的评价指标 | 第35-36页 |
| ·冲击地压预测模型数学描述 | 第36-37页 |
| ·基于 WNN 的冲击地压预测模型建模步骤 | 第37-38页 |
| ·基于 WNN 冲击地压预测实例仿真与分析 | 第38-42页 |
| ·小结 | 第42-43页 |
| 4 用于冲击地压预测的小波神经网络模型的改进 | 第43-59页 |
| ·引言 | 第43页 |
| ·粒子群算法应用于小波神经网络的原因概述 | 第43-44页 |
| ·基本粒子群算法 | 第44-48页 |
| ·算法原理 | 第44-45页 |
| ·算法流程 | 第45-48页 |
| ·基本粒子群优化算法改进及性能测试 | 第48-55页 |
| ·基本粒子群优化算法的优点及不足 | 第48页 |
| ·基本粒子群算法改进方法 | 第48-49页 |
| ·随机扰动粒子群优化算法 | 第49-50页 |
| ·随机扰动粒子群算法学习过程 | 第50-51页 |
| ·随机扰动粒子群算法性能比较 | 第51-55页 |
| ·SDPSO-WNN 算法及性能仿真分析 | 第55-58页 |
| ·SDPSO-WNN 的学习过程 | 第55-56页 |
| ·SDPSO-WNN 算法的数值仿真实验 | 第56-58页 |
| ·小结 | 第58-59页 |
| 5 基于 SDPSO-WNN 算法的冲击地压预测研究 | 第59-66页 |
| ·引言 | 第59页 |
| ·冲击地压预测控制系统的研究 | 第59-61页 |
| ·冲击地压预测控制结构模型 | 第59-61页 |
| ·预测控制流程 | 第61页 |
| ·冲击地压预测的实例仿真分析 | 第61-65页 |
| ·WNN 神经网络参数选取 | 第61-62页 |
| ·SDPSO 算法的初始参数选取 | 第62页 |
| ·冲击地压危险等级预测仿真结果和分析 | 第62-65页 |
| ·小结 | 第65-66页 |
| 6 总结与展望 | 第66-68页 |
| ·全文总结 | 第66-67页 |
| ·展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 作者简历 | 第72-74页 |
| 学位论文数据集 | 第74-75页 |